- 排名
- #57
- 总输出令牌
- 96,502
- 响应时间（平均）
- 24.81s
- 总成本
- $2.213
GPT-5.4 (medium) vs Pareto 26.9 (default)
Pareto 26.9 (default) 平均分领先，为 8.9 vs 8.8。 Pareto 26.9 (default) benchmark 成本更低，为 $1.864 vs $2.213。 GPT-5.4 (medium) 更快，为 24.81s vs 28.26s，通过率为 78.3% vs 79.7%。
已对比模型
- 排名
- #55
- 总输出令牌
- 175,696
- 响应时间（平均）
- 28.26s
- 总成本
- $1.864
推荐模型
Pareto 26.9 (default)
它在本次比较中得分最高（8.9），并且在 2 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | GPT-5.4 GPT-5.4 medium | Pareto 26.9 Pareto 26.9 default |
|---|---|---|
| 分数 | 8.8 | 8.9 |
| 排名 | #57 | #55 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.1 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 79.7% |
| 不稳定测试 | 4 | 6 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 12.535 | 12.422 |
| 总成本 | $2.213 | $1.864 |
| 输入价格 | $2.500 / 1M | $2.500 / 1M |
| 输出价格 | $15.000 / 1M | $7.500 / 1M |
| 缓存读取价格 | $0.250 / 1M | $0.250 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 223,210 | 218,199 |
| 输出令牌 | 7,312 | 175,696 |
| 推理令牌 | 89,190 | 0 |
| 响应时间（平均） | 24.81s | 28.26s |
| 响应时间（最大） | 100.41s | 151.76s |
| 响应时间（总计） | 570.60s | 649.90s |
| 参数量 | ~1.5T 总计 (~100B 激活) | - |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#57 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
#55 Pareto 26.9
default- 成本
- $0.038
- 时间
- 109.6s
- 令牌
- 5,118 tok
类别细分
| 智能体任务 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 67.82s | 142,074 | 1,157 | 4,879 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 54.17s | 103,835 | 8,348 | 0 |
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 | |
| Pareto 26.9 | 7.5 | 8.4 | 66.7% | 1 | 6.44s | 737 | 1,595 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 49.15s | 7,419 | 1,895 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 | |
| Pareto 26.9 | 8.2 | 6.9 | 66.7% | 1 | 81.38s | 88,832 | 146,339 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 2.63s | 7,728 | 1,285 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 72.44s | 628 | 61 | 36,544 | |
| Pareto 26.9 | 5.9 | 7.2 | 55.6% | 1 | 60.97s | 825 | 12,233 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 | |
| Pareto 26.9 | 6.5 | 3.4 | 66.7% | 1 | 6.55s | 492 | 774 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 | |
| Pareto 26.9 | 9.8 | 10.0 | 100.0% | 0 | 3.82s | 696 | 393 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 | |
| Pareto 26.9 | 8.2 | 7.3 | 88.9% | 1 | 8.40s | 624 | 1,437 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 3.63s | 6,762 | 892 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 | |
| Pareto 26.9 | 2.8 | 1.6 | 33.3% | 1 | 28.57s | 249 | 505 | 0 |
快速对比
切换对比组合
Claude Fable 5mediumvsPareto 26.9defaultMuse Spark 1.1mediumvsPareto 26.9defaultMuse Spark 1.2mediumvsPareto 26.9defaultGPT-5.4mediumvsQwen3.8 MAXlowMuse Spark 1.2highvsPareto 26.9defaultDeepSeek V4.1 FlashhighvsGPT-5.4mediumQwen3.8 MAXlowvsPareto 26.9defaultMuse Spark 1.2lowvsGPT-5.4mediumPareto 26.9defaultvsGLM 5.3 FlashmaxGemini 3.6 FlashlowvsPareto 26.9defaultClaude Opus 5lowvsPareto 26.9defaultGemini 4 ArgonmediumvsPareto 26.9default